計算機應用系統(tǒng)故障診斷與可靠性技術1

1、計算機應用系統(tǒng)的故障診斷與可靠性技術基礎第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-11-1計算機系統(tǒng)可靠性技術及其發(fā)展過程計算機系統(tǒng)可靠性技術及其發(fā)展過程 1. 1.對計算機系統(tǒng)的希望：對計算機系統(tǒng)的希望： 1 1計算機系統(tǒng)不發(fā)生故障。計算機系統(tǒng)不發(fā)生故障。 2 2發(fā)生故障仍然能基本正常的工作，維護發(fā)生故障仍然能基本正常的工作，維護 和恢復時間短。和恢復時間短。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-11-1計算機系統(tǒng)可靠性技術及其發(fā)展過程計算機系統(tǒng)可靠性技術及其發(fā)展過程 2 2計算機系統(tǒng)可靠性技術的發(fā)展過程計算機系統(tǒng)可靠性技術的發(fā)展過程 1第一階段：

2、第一階段：20世紀世紀50年代。年代。 硬件：電子管和電氣器件（繼電器）為主。硬件：電子管和電氣器件（繼電器）為主。 可靠性：提出冗余概念。可靠性：提出冗余概念。 可靠性和容錯理論奠基時代?？煽啃院腿蒎e理論奠基時代。 2第二階段：第二階段：20世紀世紀60年代。年代。 硬件：晶體管器件。硬件：晶體管器件。 可靠性：校驗技術、編碼理論與技術、診斷理論?？煽啃裕盒ｒ灱夹g、編碼理論與技術、診斷理論。 專用容錯計算機系統(tǒng)。專用容錯計算機系統(tǒng)。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-11-1計算機系統(tǒng)可靠性技術及其發(fā)展過程計算機系統(tǒng)可靠性技術及其發(fā)展過程 2 2計算機系統(tǒng)可靠性技術

3、的發(fā)展過程計算機系統(tǒng)可靠性技術的發(fā)展過程 3第三階段：第三階段：20世紀世紀70年代。年代。 硬件：集成電路器件。硬件：集成電路器件。 可靠性：軟件冗余、檢錯可靠性：軟件冗余、檢錯/糾錯、多機體系結構。糾錯、多機體系結構。 通用容錯計算機系統(tǒng)誕生。通用容錯計算機系統(tǒng)誕生。 4第四階段：第四階段：20世紀世紀80年代以后。年代以后。 硬件：大規(guī)模和超大規(guī)模集成電路器件。硬件：大規(guī)模和超大規(guī)模集成電路器件。 可靠性：多處理機系統(tǒng)、網(wǎng)絡計算、分布式處理?？煽啃裕憾嗵幚頇C系統(tǒng)、網(wǎng)絡計算、分布式處理。 自診斷、自恢復技術。自診斷、自恢復技術。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-

4、2 1-2 可靠性技術研究的范疇可靠性技術研究的范疇 1 1主要內(nèi)容：主要內(nèi)容： 1 1避錯：提高元器件本身可靠性。避錯：提高元器件本身可靠性。 2 2容錯：利用給定元器件組成高可靠性系統(tǒng)。容錯：利用給定元器件組成高可靠性系統(tǒng)。 2 2相關內(nèi)容：相關內(nèi)容： 1 1可測性設計：加快故障診斷進度?？蓽y性設計：加快故障診斷進度。 2 2失敗安全設計：出現(xiàn)惡性故障時保證系統(tǒng)失敗安全設計：出現(xiàn)惡性故障時保證系統(tǒng)安安 全。全。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-2-1 1-2-1 提高元部件可靠性的技術提高元部件可靠性的技術避錯技術避錯技術 1高可靠性元器件選擇、研制和降額使用。

5、專用高可靠性元器件選擇、研制和降額使用。專用 VLSI研制。研制。 2環(huán)境保護設計。防電磁干擾等等。環(huán)境保護設計。防電磁干擾等等。 3質量控制。老化試驗、篩選。質量控制。老化試驗、篩選。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-2-2 1-2-2 使用給定器件構成高可靠性系統(tǒng)的技使用給定器件構成高可靠性系統(tǒng)的技 術術容錯技術容錯技術1定義：定義：依靠對現(xiàn)有資源的冗余和精心組織構成可靠性系統(tǒng)。依靠對現(xiàn)有資源的冗余和精心組織構成可靠性系統(tǒng)。2主要內(nèi)容包括：主要內(nèi)容包括： 1冗余技術：（故障屏蔽技術）冗余技術：（故障屏蔽技術） 包括包括: 硬件冗余：堆積冗余、備份冗余和混合冗余。

6、硬件冗余：堆積冗余、備份冗余和混合冗余。 軟件冗余：多程序同時執(zhí)行同一功能。軟件冗余：多程序同時執(zhí)行同一功能。 信息冗余：通過附加信息位實現(xiàn)檢錯、糾錯。信息冗余：通過附加信息位實現(xiàn)檢錯、糾錯。 時間冗余：重復運算。時間冗余：重復運算。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-2-2 1-2-2 容錯技術容錯技術2主要內(nèi)容包括：主要內(nèi)容包括： 2故障檢測和診斷技術故障檢測和診斷技術 故障檢測：確認系統(tǒng)發(fā)生故障。故障檢測：確認系統(tǒng)發(fā)生故障。 故障診斷：進一步確定故障的地點、性質。故障診斷：進一步確定故障的地點、性質。 主要研究內(nèi)容：檢錯碼、自校驗、監(jiān)視定時器和權主要研究內(nèi)容：檢

7、錯碼、自校驗、監(jiān)視定時器和權 限校驗。限校驗。 3系統(tǒng)重組與恢復技術系統(tǒng)重組與恢復技術 重組：在檢測出故障后替換或切除失效模塊。重組：在檢測出故障后替換或切除失效模塊。 基本方法：后援備份、自適應表決?；痉椒ǎ汉笤畟浞?、自適應表決。 恢復：重組后回到故障檢測點或初始狀態(tài)重新開始恢復：重組后回到故障檢測點或初始狀態(tài)重新開始.第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-3 1-3 可靠性研究的四層次結構模型可靠性研究的四層次結構模型 1可靠性研究的四層次模型（四論域）：可靠性研究的四層次模型（四論域）：第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-3 1-3 可

8、靠性研究的四層次結構模型可靠性研究的四層次結構模型 2各論域狀態(tài)各論域狀態(tài) 正確正確/不正確的兩個集合。不正確的兩個集合。 1正確集合：正常功能。正確集合：正常功能。 2不正確集合：對正常功能的破壞。不正確集合：對正常功能的破壞。 不希望事不希望事 件件UE。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-3 1-3 可靠性研究的四層次結構模型可靠性研究的四層次結構模型 3各層次各層次UE不希望事件不希望事件UE的分類：的分類： 失效失效 故障故障 差錯差錯 失敗失敗 物理域物理域 邏輯域邏輯域 信息域信息域 用戶域用戶域 UE從低到高構成一個因果鏈。從低到高構成一個因果鏈。 4

9、故障因果關系與各論域可以采取的故障因果關系與各論域可以采取的UE防衛(wèi)技術。防衛(wèi)技術。 失效失效 故障故障 差錯差錯 失敗失敗 物理域物理域 邏輯域邏輯域 信息域信息域 用戶域用戶域 避錯避錯 故障屏蔽故障屏蔽 動態(tài)冗動態(tài)冗 失敗安全失敗安全 技術技術 技術技術 余技術余技術 技術技術第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-4-1 1-4-1 故障分類故障分類 3按故障的因果關系分類按故障的因果關系分類 1物理性故障：直接由物理性原因引起的故障。物理性故障：直接由物理性原因引起的故障。 內(nèi)在故障：電路、系統(tǒng)缺陷所導致。內(nèi)在故障：電路、系統(tǒng)缺陷所導致。 誘發(fā)故障：誘發(fā)源引起的

10、故障。誘發(fā)故障：誘發(fā)源引起的故障。 2邏輯性故障：引起邏輯狀態(tài)變化的故障。邏輯性故障：引起邏輯狀態(tài)變化的故障。 4按故障影響范圍分類按故障影響范圍分類 1局部故障：只影響局部硬件或軟件模塊的故障。局部故障：只影響局部硬件或軟件模塊的故障。 2分布式故障：對兩個以上的邏輯變量造成影響分布式故障：對兩個以上的邏輯變量造成影響 的故障。的故障。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-41-4故障與故障模型故障與故障模型故障：本來是邏輯域的故障：本來是邏輯域的UE而言。而言。 有時可以借用它來討論其它域內(nèi)部的有時可以借用它來討論其它域內(nèi)部的UE事件。事件。1-4-1 1-4-1

11、故障分類故障分類 1按故障的持續(xù)期分類按故障的持續(xù)期分類 1永久性故障：元器件損壞。永久性故障：元器件損壞。 2瞬時故障：干擾。瞬時故障：干擾。 3間歇故障：重復出現(xiàn)的非固定故障。如設計和間歇故障：重復出現(xiàn)的非固定故障。如設計和 工藝原因。工藝原因。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5 1-5 表征系統(tǒng)可靠性的參數(shù)指標表征系統(tǒng)可靠性的參數(shù)指標 可靠性：可靠性： 一個系統(tǒng)在一定條件下和一定時間內(nèi)完成預定功一個系統(tǒng)在一定條件下和一定時間內(nèi)完成預定功 能的能力。能的能力。 1表明可靠性與規(guī)定的時間密切相關。表明可靠性與規(guī)定的時間密切相關。 2無論是否存在故障，只要能完成預

12、訂功能就是無論是否存在故障，只要能完成預訂功能就是 可靠的?？煽康?。第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-1 1-5-1 可靠性與可靠度可靠性與可靠度 1可靠度：可靠性的測度?？煽慷龋嚎煽啃缘臏y度。 對于無法或極難維修的設備主要設計目標是提高對于無法或極難維修的設備主要設計目標是提高 可靠度?？煽慷?。 1可靠度定義：可靠度定義： 在在t0時刻系統(tǒng)正常的條件下，系統(tǒng)在時間區(qū)域（時刻系統(tǒng)正常的條件下，系統(tǒng)在時間區(qū)域（t0，t） 內(nèi)能夠正常工作的概率。通常用內(nèi)能夠正常工作的概率。通常用R（t）表示。）表示。 2不可靠度定義：不可靠度定義： 在在t0時刻系統(tǒng)正常的條件下，系

13、統(tǒng)在時間區(qū)域（時刻系統(tǒng)正常的條件下，系統(tǒng)在時間區(qū)域（t0，t） 內(nèi)不能夠正常工作的概率。通常用內(nèi)不能夠正常工作的概率。通常用F（t）表示。）表示。 二者關系：二者關系：R（t）= 1 - F（t）第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-1 1-5-1 可靠性與可靠度可靠性與可靠度 1可靠度：可靠性的測度。可靠度：可靠性的測度。 3失效率定義：失效率定義： 系統(tǒng)工作到系統(tǒng)工作到t時刻，單位時間內(nèi)發(fā)生故障的概率。時刻，單位時間內(nèi)發(fā)生故障的概率。0()( )( )lim( )1( )1( )( )( )( )( )tF ttF ttR ttdF tdR tR tdtR td

14、tf tR t 第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-1 1-5-1 可靠性與可靠度可靠性與可靠度 1可靠度：可靠性的測度?？煽慷龋嚎煽啃缘臏y度。 3失效率定義：失效率定義： 其中：其中： 稱為：系統(tǒng)故障時間的概率密度函數(shù)。稱為：系統(tǒng)故障時間的概率密度函數(shù)。 其中正常期間的失效率基本恒定。其中正常期間的失效率基本恒定。（t）= 所以正常期間的可靠度為：所以正常期間的可靠度為：R（t）=e -t( )( )x dxR te( )( )( )dF tdR tf tdtdt 0()( )( )lim( )1( )1( )( )( )( )( )tF ttF ttR ttd

15、F tdR tR tdtR tdtf tR t 第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-2 1-5-2 可維性與可維度可維性與可維度 1可維度：可維度： 可維性是衡量系統(tǒng)發(fā)生故障后維修難易程度的指標?？删S性是衡量系統(tǒng)發(fā)生故障后維修難易程度的指標。 其定量測度稱為可維度。記為其定量測度稱為可維度。記為M（t）。）。 1可靠度可靠度M（t）定義：）定義： 系統(tǒng)失敗后在時間間隔系統(tǒng)失敗后在時間間隔t內(nèi)被修復的概率。內(nèi)被修復的概率。 可以表示為：可以表示為：M（t）=ptT t 完成維修的時間。完成維修的時間。 T 規(guī)定維修的時間。規(guī)定維修的時間。 根據(jù)根據(jù)M（t）定義有以下

16、性質：）定義有以下性質： 0 M（t）1 M（0）= 0 M（）= 1第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-3 1-5-3 簡化可靠性參數(shù)簡化可靠性參數(shù) 1.平均故障前時間平均故障前時間MTTF： 系統(tǒng)從投入運行（系統(tǒng)從投入運行（t=0）到發(fā)生第一次故障的持續(xù)）到發(fā)生第一次故障的持續(xù) 正常運行時間的期望值。正常運行時間的期望值。 如果如果 則則 。00( )( )MTTFtf t dtR t dt( )tR te1MTTF第一章第一章 可靠性與可靠性技術概論可靠性與可靠性技術概論1-5-3 1-5-3 簡化可靠性參數(shù)簡化可靠性參數(shù) 2.平均修復時間平均修復時間MTTR： 是系統(tǒng)維修總時間與故障總次數(shù)之比。是系統(tǒng)維修總時間與故障總次數(shù)之比。 MTTR = |tm（t）dt=|（1-M（t）dt 如果如果M（t）=1-e-t 則則MTTR=1/。 3.平均故障間隔時間平均故障間隔時間MTBF